Билет №14

2. Классификация медико-технологических систем.

Одной из первых созданных систем в нашей стране стала «Автоматизированная система обработки данных экспериментальных исследований» (А.А. Киселев и др.). Затем была разработана информационно-поисковая система для первичного отбора портретного материала при идентификации личности по найденному черепу и прижизненной фотографии, значимая в судебной медицине для правильного и своевременного определения личности погибшего человека (В.Т. Олейников, Г.Я. Волошин, С.А. Гаспарян, Б.А. Федосюткин, 1979). Качество распознавания данного метода было таким, что после сопоставления найденного черепа с фотографиями 15 тысяч пропавших без вести оставалось только 2-3 фотографии, из которых нужно было выбрать, используя уже иные дополнительные методики идентификации. Эта система была передана в ВЦ Министерства внутренних дел.

Медико-технологические системы – самые многочисленные среди информационных медицинских систем. Это системы, обеспечивающие обработку и анализ информации, представленной в электронной форме, для поддержки принятия врачебных решений и информационной поддержки медицинских технологических процессов. Пользователями таких систем являются врачи-клиницисты, врачи-функционалисты, врачи-лаборанты, врачи-гигиенисты, а также средний медицинский персонал.

По целевому назначению медико-технологические информационные системы можно подразделить на:

1. Автоматизированные системы (АС) для обработки медицинских сигналов и изображений, регистрируемых у человека;

2. АС для консультативной помощи в принятии решений;

3. АС для управления жизненно важными функциями организма.

Автоматизированные системы обработки кривых и изображений являются одними из самых многочисленных среди разработанных систем. Среди автоматизированных систем обработки медицинских сигналов и изображений широкое распространение получили системы для функциональной диагностики, ультразвуковой диагностики, лабораторной диагностики, морфологической диагностики и др.

Современная АС обработки медицинских сигналов и изображений позволяет осуществлять: 1) настройку АС на исследование: ввод паспортных, антропометрических данных, определение объема и режима исследования, после установки датчиков на пациента ввод специализированной информации;

2) проведение исследования с визуализацией кривых, изображений (при необходимости – в режиме реального времени), с возможностями остановки изображения, выбора необходимых участков для анализа, запись в базу данных;

3) построение заключения с визуализацией результата в цифровой и графической форме, облегчающей интерпретацию данных;

4) получение твердых копий (распечатку) как исходных сигналов, так и всех результатов;

5) работу с базой данных системы.

Сотрудниками кафедры медицинской кибернетики и информатики была разработана одна из первых систем в РФ для применения в отделениях функциональной диагностики - Компьютеризированная система функциональных исследований (КСИФИ) для больных кардио-пульмонологического профиля (С.С. Белоносов, С.А. Гаспарян, В.И. Капустинская, 1990).

Среди систем для диагностики и консультативной помощи в принятии решений, на основании используемых методов выделяют:

1. Автоматизированные системы для распознавания патологических состояний методами вычислительной диагностики.

2. Автоматизированные консультативные системы для помощи в принятии решений на основе интеллектуального (экспертного) подхода.

Вычислительная диагностика используется для решения задач:

• Клинической дифференциальной диагностики,

• выявления лиц с повышенным риском заболевания при массовых профилактических или профессиональных осмотрах,

• прогнозирования течения заболевания, эффективности лечения, оценки тяжести состояния, исхода заболевания.

Примерный план действий при разработке диагностического алгоритма для дифференциальной диагностики заболеваний (состояний, синдромов) в большинстве случаев состоит в следующем:

1. Постановка задачи.

2. Формирование обучающей выборки.

3. Исследование признаков на информативность и минимизация признакового пространства.

4. Получение решающего правила и его оценка.

Автоматизированные системы вычислительной диагностики могут быть полезны для начинающих врачей, клинических ординаторов, фельдшеров. В особенности это касается необходимости принятия решений в отношении редких заболеваний. Высокоэффективным является применение таких систем при неотложных состояниях, особенно – в дистанционном режиме.

С конца 70-х до середины 80-х годов ушедшего века в РФ осуществлялась масштабная программа по разработке и внедрению системы дистанционной консультативной диагностики (руководитель программы – С.А. Гаспарян). В ее реализации участвовали восемь медицинских ВУЗов и клинических НИИ, три территориальных медицинских вычислительных центра.

Целью разработки было создание консультативной системы вычислительной диагностики, позволяющей осуществлять дифференциальную диагностику заболеваний при неотложных состояниях: нарушениях мозгового кровообращения, травмах черепа, ишемической болезни сердца, инфаркте миокарда, острых заболеваниях органов брюшной полости, таза, забрюшинного пространства, а также в педиатрической практике, в дистанционном режиме.

Средний уровень правильной диагностики, осуществляемой врачами районных и сельских больниц, составляет 62%. Анализ сорока тысяч консультаций, осуществленных консультативными диагностическими центрами, показал, что использование консультативной системы вычислительной диагностики позволило поднять уровень правильно диагностированных случаев до 87%, а при повторной обработке данных на расширенном наборе признаков – до 95%. Подобные разработки могут иметь хорошие перспективы для использования при дистанционной диагностике с помощью современных телемедицинских технологий.

Диагностическое заключение врача представляет собой результат логических умозаключений, базирующихся на научных знаниях, субъективном опыте, полученном в процессе работы, и здравом смысле. Принципы математической статистики не всегда эффективны при анализе клинических данных, в особенности при редких заболеваниях, когда имеются малые выборки.

Поэтому наряду с обработкой данных, широкое применение нашла и «обработка» знаний.

Для того, чтобы знания можно было использовать при построении систем, их формализуют. Под формализацией понимается однозначное (иногда многозначное) описание клинических проявлений заболеваний, профессиональных навыков, технологий, методов принятия решений, на основе которого возможно последующее моделирование профессиональной деятельности врача и использование этих знаний в автоматизированных системах. Знания предметной области можно разделить на фактические и эвристические. Фактические знания – хорошо известные в данной предметной области факты, описанные в специальной литературе. Эвристические знания основаны на собственном опыте специалиста-эксперта, пользоваться ими нужно осмотрительно, но именно они определяют эффективность экспертной системы.